本文介绍了无环卡方网格搜索在PYTHON NumPy中的实现的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
最佳拟合线性参数A和B(y=Ax+b)对应于这些参数上的卡方函数的最小值。我想对全局卡方极小值进行强力网格搜索(因为两参数线性卡方是抛物面)，并已通过3个嵌套循环(如下所示)实现，但希望避免循环(即，使用Numpy的数组广播属性进行矢量化)。卡方(加权最小二乘)定义为：
Chi-square(k,j) = sum (y[i]-(A[k]*x[i]+B[j]))/yerr[i])^2
感谢您对Python Numpy中的两参数线性卡方网格搜索的无循环版本的任何帮助。
注意：我想进行网格搜索，而不是使用scipy.Optimize.Minimum--谢谢！
Keith
# create parameter grid
a = np.linspace(80,120,100)
b = np.linspace(10,40,100)
A,B = np.meshgrid(a,b)
# calculate chi-square over parameter grid
chi2=np.zeros((100,100))
for k in range(100):
for j in range(100):
for i in range (len(y)):
chi2a = ((y[i]-a[k]*x[i]-b[j])/yerr[i])**2;
chi2[k,j]+=chi2a;
推荐答案
这里有一个利用NumPy broadcasting-
subs = (y-a[:,None,None]*x-b[:,None])/yerr
chi2 = (subs**2).sum(2)
这里有另一个可能更快的np.einsum-
chi2 = np.einsum('ijk,ijk->ij',subs,subs) #subs from previous one
这篇关于无环卡方网格搜索在PYTHON NumPy中的实现的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！